时序控制的基于评分预测的项目推荐方法和系统的制作方法

文档序号:6480528
专利名称:时序控制的基于评分预测的项目推荐方法和系统的制作方法
技术领域
本发明一般地涉及信息过滤,更具体而言,涉及项目推荐方法和系统,该方法和系 统能够实现时序控制的基于评分预测(rating prediction)的项目推荐。
背景技术
推荐系统在各个行业中的应用已超过十年之久。针对给定用户,推荐系统能够收 集和记录关于用户描述(profile)的信息并预测用户可能感兴趣的项目。这里所说的“描 述”可以是用户的各种个人信息,例如年龄、受教育程度、爱好、对某些给定问题的回答、对 某些项目的投票(或评分)、web浏览历史、在线购买记录等等。推荐系统的项目预测可以 基于某些预定规则、统计模型或机器学习算法来执行。最近,随着用户在线行为(例如在线购物、在线社交网络以及个性化订阅)的不断 增多,推荐系统被越来越多地应用到web和移动应用中。因特网和移动用户可以利用推荐 系统来获得对于其日常生活诸多方面的建议,例如该去哪个餐馆就餐、该读哪本书、该看哪 部电影、该去哪里旅游等等。传统的推荐系统不会考虑用户对于推荐项目的兴趣随各种因素而发生的变化,而 总是以高可信度级别向用户推荐项目。但是,可信度级别较高的项目可能由于种种原因而 无法一直保持其高可信度。例如,如果一具有高可信度级别的电影最初上映时作为小众电 影(cult movie)但随后变为轰动一时的大片,那么当其作为大片时具有的可信度值(即, 推荐评分)要小于其作为小众电影时具有的可信度值,这是因为电影大片是众人皆知的, 因此无需推荐。另外,用户对于固定项目的兴趣也可能随时间而发生改变。例如,在周末夜 晚向用户推荐电影比在工作时间向用户推荐电影更吸引人。同样,在晚饭时间向用户推荐 餐馆比在深夜推荐更容易被用户所接受。然而,传统的推荐系统没有考虑到用户对推荐项 目的兴趣随时间的变化。例如,在美国专利No. 6334127中提出了一种不同于传统技术的新型推荐系统,该 推荐系统用于生成受新奇性(serendipity)控制的项目推荐。图IA示出了该基于项目新奇 性的推荐系统100的总体框图,图IB示出该系统100的操作流程。如图IA所示,系统100 包括推荐项目存储器101、项目输入装置102、新奇性模型存储器103、新奇性集成装置104 和新奇性加权项目存储器105。参考图1B,在步骤IOla中,项目输入装置102可以从推荐 项目存储器101输入将被推荐的项目。注意,推荐项目存储器101中所存储的项目没有考 虑到项目的新奇性特征。这些待推荐的项目可以通过各种现有方法生成,例如根据用户项 目偏好、项目流行度等等。在步骤102a中,新奇性集成装置104针对每个输入的项目从新 奇性加权项目存储器105选择适合的新奇性模型,并根据所选模型计算每个项目的新奇性 加权值。然后,经过新奇性加权的各个项目可以被存储到新奇性加权项目存储器105中。如上所述,受新奇性控制的推荐系统能够向用户提供经新奇性加权的项目推荐, 从而避免具有高可信度级别的低值项目被推荐给用户。但是,该系统仍然无法反映用户对 推荐项目的兴趣随时间的变化。就是说,该系统无法确定什么时间是应该向用户推荐项目的最佳时间。

发明内容
考虑到上述问题而研制了本发明,其用于提供时序控制的基于评分预测的项目推 荐方法和系统。本发明的主要思想在于将时间因素考虑到项目推荐评分的计算中,并按照 计算出的优选推荐时间将项目推荐给用户。根据本发明第一方面,提供了一种时序控制的基于评分预测的项目推荐方法,包 括输入将被推荐的项目;确定与所述项目相关的时序评分模型,该时序评分模型用于预 测该项目的评分随时间的变化;将一种或多种推荐策略应用到所确定的时序评分模型以确 定所述项目的优选推荐时间;并且在所确定的优选推荐时间上将所述项目推荐给用户。根据本发明第二方面,提供了一种时序控制的基于评分预测的项目推荐系统,包 括项目输入装置,用于输入将被推荐的项目;时序评分模型确定装置,用于确定与所述项 目相关的时序评分模型,该时序评分模型用于预测该项目的评分随时间的变化;推荐策略 应用装置,用于将一种或多种推荐策略应用到所确定的时序评分模型以确定所述项目的优 选推荐时间;并且项目推荐装置,用于在所确定的优选推荐时间上将所述项目推荐给用户。在不同的实施例中,本发明提出了多种方法可被用于确定与项目有关的时序评分 模型。例如,在一个实施例中,可以首先确定将被推荐的项目所属的类别,这里不同的类别 可以与不同的时间特性相关,即对应于不同的时序评分模型。然后,根据项目类别从预先存 储的时序评分模型集合中选择适合于该项目的时序评分模型。然后,可以将一种或多种推 荐策略应用到所选的时序评分模型以确定该项目的优选推荐时间。这里的推荐策略可以与 项目推荐时间点、推荐次数、推荐周期等相关。在另一实施例中,可以利用用户对于项目推荐的偏好信息来调整所选择的时序评 分模型,从而获得针对不同用户的针对该项目的个性化时序评分模型。在另一实施例中,可以收集特定用户对于项目推荐的反馈信息,作为用户的隐式 偏好,并用以调整所选择的时序评分模型,从而获得针对用户的个性化时序评分模型。在又一实施例中,关于推荐系统中的项目推荐的历史数据可以被记录和存储,以 针对任意单独的项目训练并生成与该项目相关的时序评分模型。本发明的推荐系统还可以与任何现有的推荐系统(例如受新奇性控制的推荐系 统)相结合,将根据传统技术生成的推荐项目作为本发明的候选项目输入,从而能够将时 间因素引入到各个传统的现有推荐系统中。本发明的主要积极效果在于能够在优选推荐时间上向用户推荐项目,以使得项目 推荐随时间的变化可以被考虑在内,从而可以提高项目推荐的效率并改善用户体验。此外,在扩展实施例中,本发明的系统和方法能够使得项目的优选推荐时间适应 不同用户的需求,即,针对一项目的优选推荐时间并非对于所有用户都是相同的,而是可以 根据不同用户的偏好或反馈信息进行调整。另外,根据不同实施例,项目的时序评分模型也 可以根据系统的历史数据通过学习生成,而无需预先存储时序评分模型的集合。从下面结合附图的详细描述中,可以看出本发明的其他特征和优点。注意,本发明并不限于图中所示的示例或者任何具体的实施例。


结合附图,从下面对本发明实施例的详细描述,将更好地理解本发明,附图中类似 的参考标注指示类似的部分,其中图IA是根据现有技术的受新奇性控制的推荐系统100的框图;图IB是示出图IA所示系统100的操作过程的流程图;图2A是示出根据本发明的时序控制的基于评分预测的项目推荐系统200的总体 结构的框图;图2B是示出图2A所示系统200的操作过程的流程图;图3是示出根据本发明第一实施例的项目推荐系统300的内部结构的框图;图4A是用于说明时序评分模型集合的结构的示意图;图4B是用于说明推荐策略选择的示意图;图5是示出图3所示系统300的操作过程的流程图;图6是示出根据本发明第二实施例的项目推荐系统600的内部结构的框图;图7A是用于说明根据用户偏好信息调整时序评分模型的过程的示意图;图7B是示出图6所示系统600的操作过程的流程图;图8A是示出根据本发明第三实施例的项目推荐系统800的内部结构的框图;图8B是示出图8A所示系统800的操作过程的流程图;图9A是示出根据本发明第四实施例的项目推荐系统900的内部结构的框图;图9B是示出图9A所示系统900的操作过程的流程图;图IOA是用于示出将本发明的项目推荐系统,即上述系统300、600、800和900之 一,与传统的推荐系统相结合的完整系统1000的框图;以及图IOB是示出图IOA所示系统1000的操作过程的流程图。
具体实施例方式图2A是示出根据本发明的时序控制的基于评分预测的项目推荐系统200的总体 结构的框图。如图2A所示,该项目推荐系统200可以包括项目输入装置201、时序评分模型 确定装置202、推荐策略应用装置203、项目推荐装置204、推荐项目存储器205以及时控推 荐项目存储器206。图2B是示出图2A所示系统200的操作过程的流程图。在图2B中,过程200A开 始于步骤201a,其中项目输入装置201从推荐项目存储器205输入将被推荐的项目A。推 荐项目存储器205中所存储的项目可以预先给定,也可以如随后将描述地利用现有推荐技 术自动生成。应当注意的是,推荐项目存储器205中所存储的项目没有考虑到项目推荐受 时间的影响。接下来,在步骤202a中,时序评分模型确定装置202可以确定与输入的项目A 相关的时序评分模型Ri (t),该时序评分模型可以例如用于预测项目评分随时间的变化。关 于时序评分模型的获取随后将参考实施例详细描述。然后,在步骤203a中,推荐策略应用 装置203可以将一种或多种推荐策略应用到所确定的时序评分模型,以确定将项目A推荐 给用户的优选推荐时间。这里所说的“推荐策略”可以与项目推荐的具体时间点、推荐次数 或推荐周期等因素相关。随后,考虑了推荐时间的时控推荐项目可以被存储在时控推荐项 目存储器206中以等待推荐给用户。在步骤204a中,项目推荐装置204可以利用计时器进行计时, 从而在推荐策略应用装置203所确定的优选项目推荐时间上将项目推荐给用户。 然后,过程200A结束。 在本发明中,根据不同实施例,与项目相关的时序评分模型可以由多种方式生成, 例如根据项目类别从预先存储的时序评分模型集合中进行选择,或者根据推荐系统中的历 史数据自动生成。下面将结合不同的实施例来详细说明。<第一实施例>图3是示出根据本发明第一实施例的项目推荐系统300的内部结构的框图。如图 3所示,该系统300的总体结构与图2A所是系统200类似,其不同在于进一步详细示出了时 序评分模型确定装置202的内部结构。在图3中,时序评分模型确定装置202可以包括项 目分类单元2021、时序评分模型选择单元2022和时序评分模型存储器2023。图5是示出图3所示系统300的操作过程的流程图。为了便于说明,本说明书中 还示出了图4A和图4B,其中图4A是用于说明时序评分模型集合的结构的示意图,而图4B 是用于说明推荐策略选择的示意图。参考图5,首先,项目输入装置201输入将被推荐的项目A。然后,时序评分模型确 定装置202中的项目分类单元2021可被用于确定项目A所属的类别。随后,时序评分模型 选择单元2022可以在时序评分模型存储器2023中进行检索,以选择出适合于项目A的时 序评分模型Ri (t)。图4A示出了时序评分模型存储器2023中存储的时序评分模型集合的 结构。虽然在图4A中仅仅示出了两个类别的时序评分模型,即“餐馆”和“游乐园”,但是显 而易见,可被用于本发明的时序评分模型并不局限于此。另外,在图4A中,时序评分模型被 例如示为时间曲线的形式,其横坐标表示时间,纵坐标表示项目评分随时间的变化。但是, 可被用于本发明的时序评分模型也不局限于此,可被用于表示项目评分随时间变化的其他 模型也可被类似地用于本发明。从图4A中可以看出,对应于“餐馆”和“游乐园”类别的两 种时序评分模型具有不同的时间特性“餐馆”类别的模型具有两个峰值并每日重复,而“游 乐园”类别的模型具有一个峰值但持续时间较长并且每周重复。通过检索该表,适合于项目 A的时序评分模型Ri (t)可以容易地获得。继续参考图5,在该示例中,例如选出“餐馆”类别的时序评分模型用于项目A (见 图5中的步骤(4))。然后,选出的时序评分模型被提供到推荐策略应用装置203。在推荐 策略应用装置203中,可以将一种或多种适当的推荐策略应用到所选择的时序评分模型, 以确定针对项目A的优选推荐时间点、推荐次数或推荐周期。图4B示出了几种可能的推荐策略,作为示例。其中,图4B左侧部分示出用于选择 推荐时间点的策略。具体而言,其可以包括例如如下三种不同策略(A)在时序评分模型曲 线^。的峰值(Peak)时推荐;(B)在刚刚超过时序评分模型曲线Ri,u(t)的阈值时推荐; 和(C)在超过阈值之后经一定延(Delay)时推荐。图4B右侧部分示出用于选择推荐次数的 策略,其例如可以包括三种不同策略(a)每当峰值(Peak)时推荐一次;每当峰值(Peak) 时推荐多次;和按一定周期重复推荐一次。通过结合适用不同的推荐策略,推荐策略应用装 置203则可以根据时序评分模型选出优选的项目推荐时间。继续参考图5,在步骤(6)中,以图4B所示的推荐策略(A)和(c)相结合为例示出 了推荐策略的应用。通过应用推荐策略,可以确定针对项目的A的优选推荐时间点是每天 的11:00和19:00。随后,标记了优选推荐时间点的项目可以被存储在时控推荐项目存储器207中以用于向用户进行推荐。项目推荐装置204可以利用计时器进行计时,以在每天的11:00和19:00向用户推荐属于“餐馆”类别的项目A。<第二实施例>图6是示出根据本发明第二实施例的项目推荐系统600的内部结构的框图。该系 统600与图3所示系统300基本类似,其差别仅仅在于系统600中的时序评分模型确定装 置202除了图3所示的组件之外还包括用户偏好信息输入单元601和调整单元602,以用于 根据不同用户的偏好信息对所选择的时序评分模型进行调整,以使得最终确定的项目优选 推荐时间能够适应不同用户的需要。这里所说的“用户偏好信息”可以根据用户的日程安 排、行为跟踪记录或其他资源容易地获得。图7A是用于说明根据用户偏好信息调整时序评分模型的过程的示意图。在该示 例中,针对一般用户的假期的时序评分曲线的峰值是从周五到周日并且在周日开始下降。 而在根据用户M的偏好信息进行调整之后,该时序评分曲线的峰值被移动到周五并且在周 六开始下降。图7B是示出图6所示系统600的操作过程的流程图。该操作过程与图5所示系 统300的操作过程类似,其差别仅仅在于添加了步骤(5)和(6)(以粗体示出)用以实现依 据用户偏好信息对时序评分模型的调整。经过调整之后,由推荐策略应用装置203所确定 的优选推荐时间可能与第一实施例有所不同,例如,在此情况下,优选推荐时间被确定为每 天的 12:00 和 20:00。在该第二实施例中,针对一推荐项目A的优选推荐时间根据不同用户而有所不 同,而非对所有用户都保持一致。这样一来,可以实现项目推荐与不同用户的需求相适应。〈第三实施例〉图8A是示出根据本发明第三实施例的项目推荐系统800的内部结构的框图,而图 8B是示出图8A所示系统800的操作过程的流程图。该第三实施例类似于上述第二实施例所描述的系统600,其差别在于无需输入用 户偏好信息,而是通过收集用户对于已经接收到的项目的反馈信息来获得用户对于项目推 荐的个性化需求。如图8A所示,系统800中的时序评分模型确定装置202除了在第一和第二实施例 中已经示出的组件之外还包括用户反馈信息存储器801,用于存储用户对于已经接收到的 项目推荐的反馈信息,以及调整单元802,用于根据用户反馈信息对所选择的时序评分模型 进行调整,即将时序评分模型Ri (t)调整为Ut)。在第三实施例中,系统采用反馈机制来收集用户对于项目推荐的潜在偏好,以便 根据用户需求调整时序评分模型。这样一来,系统可以避免如第二实施例那样承担收集用 户偏好的负担。这种反馈机制在推荐之前难以获取用户偏好信息的情况下尤其有益。〈第四实施例〉在前面所述的第一、第二和第三实施例中,推荐系统从预先存储的时序评分模型 集合中选择适合于特定项目的时序评分模型。这样的方案适合于已被充分理解的项目类 另O。然而,对于某些特定类别,也许用户无法预先获得与其相关的时序评分模型。在此情况 下,则需要采取其他方法确定与该项目相关的时序评分模型。图9A和9B所示的第四实施 例则可用于解决这一问题。
图9A是示出根据本发明第四实施例的项目推荐系统900的内部结构的框图,图9B是示出图9A所示系统900的操作过程的流程图。图9A所示系统900与上述第一、第二、第三实施例的不同之处在于时序评分模型 确定装置202的构造,这些系统的其他组件基本相同。如图9A所示,系统900中的时序评 分模型确定装置202包括历史数据分析单元901、时序评分模型生成单元902和历史数据存 储器903,其中历史数据存储器903可以记录该推荐系统中的推荐历史,例如哪些项目被推 荐给用户、项目的推荐时间、项目是否被用户接受,等等。参考图9B,如同上述实施例,项目输入装置201首先输入将被推荐的项目A。然后, 历史数据分析单元901可以对存储在历史数据存储器903中的历史数据进行分析,以生成 用户(例如用户M)关于项目A的推荐时间偏好信息。例如,推荐时间偏好信息可被表示为 〈推荐时间11:00,接受时间12:00>,〈推荐时间21:00,未接受 >,...〈推荐时间20:00, 接受时间20:00>。当然,推荐时间偏好信息的表示方法并不局限于此,而是可根据用户需 求进行设计。然后,生成的推荐时间偏好信息可被提供到时序评分模型生成单元902。该时 序评分模型生成单元902可以根据收到的用户M的推荐时间偏好信息来通过学习生成用户 M关于项目A的时序评分模型。关于用于生成时序评分模型的学习方法可以采用本领域公 知的任意方法,例如简单的统计方法、决策树、k阶Markov模型、回归算法等等。上面已经提到,本发明所提出的时序控制的项目推荐策略可以与任何现有的项目 推荐方法(例如受新奇性控制的推荐方法)相结合。图IOA是用于示出将本发明的项目推 荐系统(即上述系统300、600、800和900之一)与传统的推荐系统相结合的完整系统1000 的框图。图IOB是示出图IOA所示系统1000的操作过程的流程图。在系统1000中,项目生成装置1001可以采取任何现有的项目推荐方法来生成将 被推荐的候选项目(参见图IOB中的步骤1001a)。所述现有的项目推荐方法例如是协同过 滤、基于内容的过滤、基于规则的过滤以及混合过滤。图IOA所示系统1000中其他组件的 结构和功能与图2A所示系统200相同,即可以采用上述第一、第二、第三和第四实施例中的 任意一种结构。上面已经描述了根据本发明的受控制的基于评分预测的项目推荐系统和方法。根 据上述描述可以看出,本发明具有以下效果本发明的主要积极效果在于能够在优选推荐时间上向用户推荐项目,以使得项目 推荐随时间的变化可以被考虑在内,从而可以提高项目推荐的效率并改善用户体验。此外,本发明的系统和方法还能够使得项目的优选推荐时间适应不同用户的需 求,即,针对一项目的优选推荐时间并非对于所有用户都是相同的,而是可以根据不同用户 的偏好或反馈信息进行调整。另外,根据不同实施例,项目的时序评分模型也可以根据系统 的历史数据通过学习生成,而无需预先存储时序评分模型的集合。上面已经参考附图描述了根据本发明的具体实施例。但是,本发明并不限于图中 示出的特定配置和处理。并且,为了简明起见,这里省略对已知方法技术的详细描述。在上 述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所 描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神之后,作出各种改变、 修改和添加,或者改变步骤之间的顺序。本发明的元素可以实现为硬件、软件、固件或者它们的组合,并且可以用在它们的系统、子系统、部件或者子部件中。当以软件方式实现时,本发明的元素是被用于执行所需 任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携 带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输 信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦 除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由 诸如因特网、内联网等的计算机网络被下载。 本发明可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施 例中所描述的算法可以被修改,而系统体系结构并不脱离本发明的基本精神。因此,当前的 实施例在所有方面都被看作是示例性的而非限定性的,本发明的范围由所附权利要求而非 上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在 本发明的范围之中。
权利要求
一种时序控制的基于评分预测的项目推荐方法,包括输入将被推荐的项目;确定与所述项目相关的时序评分模型,该时序评分模型用于预测该项目的评分随时间的变化;将一种或多种推荐策略应用到所确定的时序评分模型以确定所述项目的优选推荐时间;并且在所确定的优选推荐时间上将所述项目推荐给用户。
2.如权利要求1所述的方法,其中所述确定时序评分模型的步骤包括 确定所述项目所属的类别;以及根据所确定的项目类别从预先存储的时序评分模型集合中选择适当的时序评分模型 用于该项目。
3.如权利要求2所述的方法,其中所述确定时序评分模型的步骤还包括 输入用户关于项目推荐时间的用户偏好信息;以及根据所述用户偏好信息调整所选择的时序评分模型。
4.如权利要求2所述的方法,其中所述确定时序评分模型的步骤还包括 记录关于用户已经接收到的项目的推荐时间的用户反馈信息;以及 根据所述用户反馈信息调整所选择的时序评分模型。
5.如权利要求1所述的方法,其中所述确定时序评分模型的步骤包括 收集关于系统中的项目推荐历史的历史数据;分析所述历史数据,以获得所述用户针对所述项目的推荐时间偏好信息;以及 根据所述推荐时间偏好信息来生成与所述项目相关的时序评分模型。
6.如权利要求1所述的方法,还包括 利用传统推荐方法生成所述将被推荐的项目。
7.如权利要求6所述的方法,其中所述传统推荐方法包括以下方法中的至少一种 协同过滤;基于内容的过滤; 基于规则的过滤;以及 混合过滤。
8.如权利要求1所述的方法,其中所述推荐策略用于指示项目的推荐时间点、推荐时 间周期或推荐次数。
9.一种时序控制的基于评分预测的项目推荐系统,包括 项目输入装置,用于输入将被推荐的项目;时序评分模型确定装置,用于确定与所述项目相关的时序评分模型,该时序评分模型 用于预测该项目的评分随时间的变化;推荐策略应用装置,用于将一种或多种推荐策略应用到所确定的时序评分模型以确定 所述项目的优选推荐时间;并且项目推荐装置,用于在所确定的优选推荐时间上将所述项目推荐给用户。
10.如权利要求9所述的系统,其中所述时序评分模型确定装置包括 时序评分模型存储器,用于存储与项目类别相关的时序评分模型集合;项目分类单元,用于确定所述项目所属的类别;以及时序评分模型选择单元,用于根据所确定的项目类别从存储在所述时序评分模型存储 器中的时序评分模型集合中选择适当的时序评分模型用于该项目。
11.如权利要求10所述的系统,其中所述时序评分模型确定装置还包括用户偏好信息输入单元,用于输入用户关于项目推荐时间的用户偏好信息;以及 调整单元,用于根据所述用户偏好信息调整所选择的时序评分模型。
12.如权利要求10所述的系统,其中所述时序评分模型确定装置还包括用户反馈信息存储器,用于记录关于用户已经接收到的项目的推荐时间的用户反馈信 息;以及调整单元,用于根据所述用户反馈信息调整所选择的时序评分模型。
13.如权利要求9所述的系统,其中所述时序评分模型确定装置包括 历史数据存储器,用于记录关于系统中的项目推荐历史的历史数据;历史数据分析单元,用于分析所述历史数据,以获得所述用户针对所述项目的推荐时 间偏好信息;以及时序评分模型生成单元,用于根据所述推荐时间偏好信息来生成与所述项目相关的时 序评分模型。
14.如权利要求9所述的系统,还包括项目生成装置,用于利用传统推荐方法生成所述将被推荐的项目。
15.如权利要求9所述的系统,还包括计时器,并且所述项目推荐装置利用所述计时器 在所确定的优选推荐时间上将所述项目推荐给用户。
全文摘要
本发明提出了时序控制的基于评分预测的项目推荐方法和系统。根据本发明,相应的项目推荐方法可以包括输入将被推荐的项目;确定与项目相关的时序评分模型,该时序评分模型用于预测该项目的评分随时间的变化;将一种或多种推荐策略应用到所确定的时序评分模型以确定项目的优选推荐时间;并且在所确定的优选推荐时间上将项目推荐给用户。在不同实施例中,项目的时序评分模型可以从预先存储的时序评分模型集合中选择,或者根据系统的历史数据自动生成。另外,所选的时序评分模型还可以根据用户偏好信息或反馈信息进行调整。本发明的项目推荐系统能够考虑到用户对推荐项目的兴趣随时间的变化,从而提高推荐效率和改善用户体验。
文档编号G06Q50/00GK101814068SQ20091000539
公开日2010年8月25日 申请日期2009年2月24日 优先权日2009年2月24日
发明者福岛俊一, 赵岷 申请人:日电(中国)有限公司
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1